# Tweet Polish

> 将推文改写为口语化、真人感风格。400-600字，消除AI味，让人忍不住收藏。 触发词：「口语化」「改自然点」「polish」「润色」。

- Skill: `chencore/tweet-polish` (Agent Skill)
- Install (CLI): `npx skillmds@latest add chencore/tweet-polish`
- Raw SKILL.md: https://api.skillmd.com/api/skills/chencore/tweet-polish/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: chencore (https://skillmd.com/u/chencore)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/chencore/tweet-polish

---


# 推文口语化改写

## 目标

- 字数：**400-600字**
- 消除AI味：读起来像真人写的，有性格，有判断
- 让人**忍不住收藏**：实用、有增量、独特

## AI 味特征与对策

AI味有5大特征，按检测级别从 L1 到 L3：

### L1 词汇替换（自动检测）

| AI 表达 | 替换为 |
|--------|--------|
| 总的来说 / 综上所述 | 直接删 |
| 值得注意的是 | 但你可能没注意到 |
| 不可否认 | 直接删，用事实说话 |
| 一方面...另一方面 | 拆成两个短句 |
| 因此 / 故而 | 所以 / 这意味着 |
| 鉴于 / 基于此 | 因为 / 说白了就是 |
| 不难发现 | 你会发现 |
| 深入分析 | 看看数据 |
| 业内人士认为 | 有人觉得 |
| 我认为 / 我觉得 | 直接删（用判断替代） |
| 重要 / 关键 / 核心 | 删掉或改为具体词 |
| 其实实际上 | 其实 |
| 然而但是 | 但是 |

### L2 句式检测（结构检测）

**检测完整句比例**：如果超过 60% 的句子都是"主语+动词+宾语"的完整句，AI味重。

**对策**：
- 允许省略主语（尤其口语句）
- 允许独词句（"结果呢？""没想到。"）
- 允许断句（不用完整连词）

**坏案例（AI味重）**：
> 这款工具的安装过程非常简单。用户只需要在官网下载安装包，然后按照提示步骤完成安装即可。整个过程只需要大约5分钟。

**好案例（口语化）**：
> 装这个工具？官网下个安装包，点几下，5分钟搞定。

### L3 节奏检测（段落检测）

**检测段落均匀度**：如果每段都是3-4句，说明AI味重。

**对策**：
- 制造节奏差：一段1句，一段5句
- 短段落增加紧迫感
- 长段落制造沉浸感

## 口语化规则

### 必须做到

- 用「你」而不是「用户」「读者」「大家」
- 用口语连接词：其实、说白了、问题是、换句话说、关键是
- 短句为主（10-15字一句）
- 允许少量语气词：啊、呢、吧、嘛
- 用具体词替代抽象词

### 禁止

- 禁止"总的来说"
- 禁止四平八稳的判断（如"凡事都有两面性"）
- 禁止无意义的开头（如"在这个时代"）

## 收藏价值自检

改写完成后逐项检查，必须满足至少 2 条：

| 检查项 | 说明 |
|--------|------|
| [ ] 有数据 | 至少一个具体数字（如42.5分、3个月） |
| [ ] 有判断 | 一个明确的观点，不是骑墙 |
| [ ] 有可操作 | 一个工具/方法/步骤，收藏了能用 |
| [ ] 有记忆点 | 一句话可以概括全文 |

## 三级评分标准

| 分数 | AI味程度 | 表现 |
|------|----------|------|
| 8-10 | 重 | 通篇完整句，无情绪词，像官方公告 |
| 5-7 | 中 | 有口语词但句式规整，段落均匀 |
| 3-4 | 轻 | 有省略、有节奏差、有判断 |
| 1-2 | 几乎无 | 像真人写的，有性格 |

目标：分数 ≤ 4

## 改写示例

**原文（AI味重，186字）**：
> 不可否认，Muse Spark在Arena排行榜上取得第三名的成绩确实值得关注。然而，深入分析其各项评测数据后不难发现，该模型在抽象推理等方面仍存在明显不足。事实上，42.5分的抽象推理成绩与头部模型76分相比差距显著。排名会迷惑人，但分数不会骗人。总体而言，在选择AI模型时不应仅关注排名，更应关注具体能力。

**改写后（真人味，245字）**：
> Muse Spark 排 Arena 第三，听着很猛。但你看它抽象推理才42.5分，头部模型76分。差了一截。\n\n排名这东西很容易迷惑人。尤其是看绝对值——第三名听起来不错，但和第一名的差距是34.5分。这个差距不小。\n\n问题是，很多人在选模型的时候就看排名。不看细分能力。结果选了一个排名好看但具体任务不行的。\n\n我的建议是：选模型之前先看你要做什么。编程？文案？还是推理？按任务选，别按排名选。\n\n记住：分数不会骗人，排名会。

## 输出格式

```json
{
  "original": "原文...",
  "polished": "改写后...",
  "ai_score": 3,
  "collection_check": {
    "has_data": true,
    "has_judgment": true,
    "has_actionable": true,
    "has_memory_point": true
  },
  "word_count": 245
}
```